optuna.importance.PedAnovaImportanceEvaluator

class optuna.importance.PedAnovaImportanceEvaluator(*, baseline_quantile=0.1, evaluate_on_local=True)[source]

PED-ANOVA 重要度評価器

PED-ANOVA ハイパーパラメータ重要度評価アルゴリズムを実装

PED-ANOVA は COMPLETE トライアルの Parzen 推定器をユーザ指定のベースラインよりも適切にフィットさせます。ユーザはクォンタイルでベースラインを指定できます。重要度は、各ハイパーパラメータがベースラインよりも優れた性能を達成する上でどれだけ重要かを示します。

PED-ANOVA アルゴリズムの詳細については、以下の論文を参照してください:

PED-ANOVA: Efficiently Quantifying Hyperparameter Importance in Arbitrary Subspaces

Note

PED-ANOVA の性能は、ベースラインを超えるトライアル数に依存します。分析を安定させるため、少なくとも 5 トライアル以上をベースラインに含めることをお勧めします。

Note

元の研究を参照してください。

Parameters:

baseline_quantile (float) – 上位 baseline_quantile クォンタイルの目的値を達成する重要性を計算します。例えば、baseline_quantile=0.1 は、最適化中に上位 10% の性能を達成するのに重要だったパラメータの情報を提供します。
evaluate_on_local (bool) – ローカル空間またはグローバル空間で重要度を測定するかどうか。 True の場合、重要度は最適化中の各パラメータの重要度を示します。一方、evaluate_on_local=False は指定された search_space における重要度を与えます。evaluate_on_local=True は、最適化中に探索空間を変更する場合に特に便利です。

使用例

PED-ANOVA の使用例は以下の通りです:

import optuna
from optuna.importance import PedAnovaImportanceEvaluator


def objective(trial):
    x1 = trial.suggest_float("x1", -10, 10)
    x2 = trial.suggest_float("x2", -10, 10)
    return x1 + x2 / 1000


study = optuna.create_study()
study.optimize(objective, n_trials=100)
evaluator = PedAnovaImportanceEvaluator()
importance = optuna.importance.get_param_importances(study, evaluator=evaluator)

Note

v3.6.0 で実験的機能として追加されました。インターフェースは予告なく変更される可能性があります。詳細は https://github.com/optuna/optuna/releases/tag/v3.6.0 を参照してください。

メソッド

evaluate(study[, params, target])

Evaluate parameter importances based on completed trials in the given study.

evaluate(study, params=None, *, target=None)[source]

指定されたスタディの完了したトライアルに基づいてパラメータの重要度を評価します。

Note

このメソッドはライブラリユーザが直接呼び出すことを想定していません。